MATLAB的答案

软件di prova

时间序列预测在MATLAB中使用深度学习

80(30天)

显示旧的评论

阿明Karami 2018年5月24日

0
链接

这个问题直接联系

https://it.mathworks.com/matlabcentral/answers/402350-time-series-forecasting-using-deep-learning-in-matlab

评论道: RUDHA2023年3月31日

我用时间序列预测样本MathWorks: 使用深度学习时间序列预测

我只改变了数据集,该算法。令人惊讶的是,该算法不是工作好与我的数据集,并生成一条线作为预测如下:

我很困惑,我不能理解的原因。我可能需要调优参数的算法我不了解。我使用的代码是:

                         % %加载数据
                        
                         % = chickenpox_dataset数据;
                        
                         %数据=({}):数据;
                        
                         数据= xlsread (“data.xlsx”);
                        
                         data =数据”;
                        
                         % %划分数据:训练和测试
                        
                         地板numTimeStepsTrain =(0.7 *元素个数(数据);
                        
                         XTrain =数据(1:numTimeStepsTrain);
                        
                         YTrain =数据(2:numTimeStepsTrain + 1);
                        
                         XTest =数据(numTimeStepsTrain + 1: end-1);
                        
                         欧美=数据(numTimeStepsTrain + 2:结束);
                        
                         % %标准化数据
                        
                         μ=意味着(XTrain);
                        
                         sig =性病(XTrain);
                        
                         XTrain = (XTrain -μ)/团体;
                        
                         YTrain = (YTrain -μ)/团体;
                        
                         XTest = (XTest -μ)/团体;
                        
                         % %定义LSTM网络
                        
                         inputSize = 1;
                        
                         numResponses = 1;
                        
                         numHiddenUnits = 500;
                        
                         层= […
                        
                         sequenceInputLayer (inputSize)
                        
                         lstmLayer (numHiddenUnits)
                        
                         fullyConnectedLayer (numResponses)
                        
                         regressionLayer];
                        
                         % %培训选项
                        
                         选择= trainingOptions (“亚当”,…
                        
                         “MaxEpochs”,500,…
                        
                         “GradientThreshold”,1…
                        
                         “InitialLearnRate”,0.005,…
                        
                         “LearnRateSchedule”,“分段”,…
                        
                         “LearnRateDropPeriod”,125,…
                        
                         “LearnRateDropFactor”,0.2,…
                        
                         “详细”0,…
                        
                         “阴谋”,“训练进步”);
                        
                         % %的列车网络的
                        
                         网= trainNetwork (XTrain、YTrain层,选择);
                        
                         % %预测未来时间的步骤
                        
                         网= predictAndUpdateState(净,XTrain);
                        
                         [净,YPred] = predictAndUpdateState(净,YTrain(结束));
                        
                         numTimeStepsTest =元素个数(XTest);
                        
                         为我= 2:numTimeStepsTest
                        
                         (净YPred(我)]= predictAndUpdateState(净,YPred(张));
                        
                         结束
                        
                         % % Unstandardize使用μ和团体的预测计算。
                        
                         YPred =团体* YPred +μ;
                        
                         % % RMSE和梅的计算
                        
                         rmse =√意味着(YPred-YTest)。^ 2))
                        
                         美=美(YPred-YTest)
                        
                         % %阴谋的结果
                        
                         图
                        
                         情节(数据(1:numTimeStepsTrain))
                        
                         持有在
                        
                         idx = numTimeStepsTrain:(numTimeStepsTrain + numTimeStepsTest);
                        
                         情节(idx (numTimeStepsTrain) YPred][数据,“。”)
                        
                         持有从
                        
                         包含(“月”)
                        
                         ylabel (“案例”)
                        
                         标题(“预测”)
                        
                         传奇([“观察”“预测”])
                        
                         % %比较测试数据的预测价值
                        
                         图
                        
                         次要情节(2,1,1)
                        
                         情节(欧美)
                        
                         持有在
                        
                         情节(YPred“。”)
                        
                         持有从
                        
                         传奇([“观察”“预测”])
                        
                         ylabel (“案例”)
                        
                         标题(“预测”)
                        
                         次要情节(2,1,2)
                        
                         茎(YPred -欧美)
                        
                         包含(“月”)
                        
                         ylabel (“错误”)
                        
                         标题(" RMSE = "+ rmse)

和数据。xlsx是:https://www.dropbox.com/s/vv1apug7iqlocu1/data.xlsx?dl=1

我真的很感激如果有任何帮助。

3评论
显示2年长的评论隐藏2年长的评论

RUDHA 2023年3月31日

我有同样的问题让mw知道你修复它

登录置评。

在回答这个问题。

答案(6)

阿布Nejatian 2018年11月23日

2
链接

直接链接到这个答案

https://it.mathworks.com/matlabcentral/answers/402350-time-series-forecasting-using-deep-learning-in-matlab answer_348568

这是我的代码,

//www.tatmou.com/matlabcentral/fileexchange/69506-time-series-prediction

这段代码使用预测时间序列数据的深度学习和肤浅的学习算法。

最好的希望

阿布nejatian

7评论
显示6年长的评论隐藏6年长的评论

阿布Nejatian 2020年12月10日

亲爱的克里斯,

我已经更新了我的代码。

更新后的事情列出如下:

时间序列预测与简单的CNN网络补充道

时间序列预测与ResNet50补充道。

预测未来的数据添加到代码,以及一些小错误是固定的。

登录置评。

阿布Nejatian 2018年6月8日

0
链接

直接链接到这个答案

https://it.mathworks.com/matlabcentral/answers/402350-time-series-forecasting-using-deep-learning-in-matlab answer_323887

亲爱的阿明我认为这可能是因为你的数据集的大小,我的意思是你应该使用一组或一个较小的网络。我也工作在时间序列预测外汇;我不同意这样的输入数据与目标数据延迟一步!

如果你有任何问题不要戟状的问我。

这是我的邮件, abolfazl.nejatian@gmail.com

并致以良好的祝福

Nejatian

3评论
显示2年长的评论隐藏2年长的评论

法里斯 2022年12月24日

亲爱的阿布Nejatian ,

我发了一封邮件包括一个方程在同一对象,您的回答将帮助我实现我的学习

问候

法里斯

登录置评。

晓伟王 2018年11月20日

0
链接

直接链接到这个答案

https://it.mathworks.com/matlabcentral/answers/402350-time-series-forecasting-using-deep-learning-in-matlab answer_348094

它发生在我身上。我认为这只是技巧,没有人愿意提及……

0评论
显示1年长的评论藏1年长的评论

登录置评。

qizal阿什法克 2019年9月14日

0
链接

直接链接到这个答案

https://it.mathworks.com/matlabcentral/answers/402350-time-series-forecasting-using-deep-learning-in-matlab answer_391837

编辑:qizal阿什法克 2019年9月14日

如何将这段代码与深设计师工具箱?我谈论这个。该模型的工作原理和代码?

1评论
显示没有隐藏没有

ANGELIN安东尼 2020年3月21日

你得到这个答案吗? ?

登录置评。

qizal阿什法克 2019年9月14日

0
链接

直接链接到这个答案

https://it.mathworks.com/matlabcentral/answers/402350-time-series-forecasting-using-deep-learning-in-matlab answer_391838

这是有效的只有一行代码吗?

1评论
显示没有隐藏没有

克里斯·P 2020年9月30日

同样的问题。我想知道如果我可以使用一个外部时间系列除了感兴趣的时间序列。我想要这两个时间序列的输入有延迟。

我们应该如何格式化输入矩阵?2 xn细胞其中n是时间系列的样品的数量?1 xn细胞,每个细胞是维度2 xd d是延误的数量在哪里?

登录置评。

卡洛斯•安德烈斯门德斯瓦列霍 2020年11月2日

0
链接

直接链接到这个答案

https://it.mathworks.com/matlabcentral/answers/402350-time-series-forecasting-using-deep-learning-in-matlab answer_532204

出色的工作

0评论
显示1年长的评论藏1年长的评论

登录置评。

在回答这个问题。

类别

人工智能,数据科学和统计数据深度学习工具箱序列和数字特性数据工作流

找到更多的在序列和数字特性数据工作流在帮助中心和文件交换

标签

社区寻宝

找到宝藏在MATLAB中央,发现社区如何帮助你!

开始狩猎!

翻译的

软件di prova